本书对应课程属于一门概论性课程。本书将传统的和新一代的人工智能/智能制造融于一体，从传承与发展视角出发概述人工智能与智能制造的发展现状及其相互关系，重点阐述人工智能与智能制造共性基础技术、知识驱动的符号智能、数据驱动的机器学习、智能制造理论与技术体系、智能制造的物理系统和信息系统，并指出人工智能与智能制造的未来发展方向，包括强人工智能、融合智能+混合制造、工业5.0和社会5.0、以人为中心的人工智能和智能制造、（工业）元宇宙等。

本书系统地介绍了人工智能的基本概念、主要方法及代表性模型算法。本书根据人工智能的知识体系，在兼顾传统的人工智能方法的基础上，重点突出前沿性内容，并对自动推理、遗传算法、神经网络、启发式优化、机器学习、异常检测、梯度下降、逻辑回归、反向传播、卷积网络、语言模型、词向量等常见技术进行详细阐述和讨论。本书结合应用安排了示例和例题，以加深读者对关键知识点的理解。

本书以PyTorch深度学习的常用技术与真实案例相结合的方式，深入浅出地介绍使用PyTorch实现深度学习应用的重要内容。本书共7章，内容包括深度学习概述、PyTorch深度学习通用流程、PyTorch深度学习基础、手写汉字识别、文本生成、基于CycleGAN的图像风格转换、基于TipDM大数据挖掘建模平台实现文本生成等。本书大部分章包含实训和课后习题，希望通过练习和操作实践，帮助读者巩固所学的内容。 本书可以作为高等学校数据科学与大数据技术或人工智能相关专业的教材，也可作为深度学习爱好者的自学

本书介绍人工智能的基础理论、技术及应用。全书共9章,主要内容包括人工智能概述、知识表示与知识图谱、搜索策略、机器学习、人工神经网络、典型卷积神经网络、智能图像处理、机器学习开发框架、机器学习项目剖析。本书强调理论联系实际，既深入浅出地介绍了人工智能领域的基础知识和实用技术，又详细介绍了两个机器学习开发框架： PyTorch和百度公司研发的PaddlePaddle（飞桨），并带领读者逐步剖析在飞桨平台上实现的项目案例。案例的代码清晰，易于理解，读者可快速提高采用机器学习方法解决实际问题的实践

本书以人工智能为主要研究对象，较全面地介绍人工智能的基本原理、常见算法和应用技术。全书分为9章，主要内容包括：绪论、知识图谱与专家系统、智能搜索策略、机器学习、特征选择与提取、人工神经网络、深度学习、深度神经网络在图像处理中的应用、深度神经网络在语音信号处理中的应用。本书深入浅出、层次分明、循环渐进地对人工智能基础及应用进行系统的介绍，使读者学习得更加清晰明了。本书配有PPT、微课视频、习题及习题解答等资源，读者可登录华信教育资源网（www.hxedu.com.cn）免费下载。本书适合作为本科生

本书主要为高等院校非计算机专业的人工智能导论课程设计编写，内容具有应用 理论的特色。针对高校学生的需求和人工智能发展的特点，本书分为引言篇、理论篇和应用篇三部分，可基于学习需求和进度，自主选择。引言篇包括绪论；理论篇包括人工智能之理论基础、人工智能之机器学习、人工智能之深度学习、人工智能之强化学习；应用篇包括人工智能开发平台和人工智能应用及展望。本书可用于普通高等学校各专业人工智能导论、医学人工智能导论等相关课程的教学，也可供对人工智能感兴趣的科研人员参考。

本书兼顾深度学习的理论和应用，特别强调大规模训练应用案例，引导学生进人深度学习的前沿领域．主要内容有深度学习的核心理论问题：网络拓扑结构设计、网络参数初始化方法. 大规模网络训练的优化方法、正则化方法、激活函数的研究方法. 书中引人深度学习在计算机视觉中的大型经典和前沿应用案例，包括图像分类任务. 目标检测与跟踪任务、多源遥感图像融合任务、超分辨率任务. 图像隐写与图像信息安全任务等内容. 本书拥有丰富的数字化资源，扫描每章末二维码即可观看学习.

本书全面介绍了统计机器学习的主要算法，内容涉及多元线性回归、对数线性回归、逻辑斯蒂回归、岭回归、Lasso回归、判别分析和聚类分析等传统方法，也涉及支持向量机、深度神经网络以及集成学习等比较热门的算法，并给出相应算法的R语言实现。本书还给出了向量和矩阵函数求导以及拉格朗日对偶等数学基础，便于读者理解相关算法推导。 本书可以作为统计机器学习等相关专业的教材和参考书，也可供从事相关领域研究的人员参考。

《人工智能技术及应用》主要以人工智能的几种核心技术与发展应用为脉络，以深入浅出的方式，系统、清晰地介绍了人工智能的基本概念、发展历程、关键技术和典型应用。 本书涉及计算机视觉技术、语音智能技术、自然语言处理技术、人工智能技术应用案例，为读者构造并描绘出人工智能全景图，向读者展示了一个全新、智慧、前沿的科技新时代，使读者能快速、直观地了解人工智能的实际应用，激发读者对人工智能的兴趣。 本书可作为非人工智能专业大学生的教学用书，也可作为人工智能爱好者的参考用书。

数据驱动的在线协作学习分析是提升协作学习效果的重要基础，是推动在线学习变革的重要力量。本书系统梳理了学习分析的研究现状，阐释了协作学习的理论基础与研究热点，构建了在线协作学习分析模型——KBS模型，设计了面向学习者和教师的群体感知工具，分别从学习者和教师视角分析了群体感知工具对学习者学习和教师教学的支持与指导，探讨了社会调节学习在协作学习中的发生机制，展望了在线协作学习交互分析的发展趋势，为研究者刻画了协作学习分析领域的最新理论模型与研究进展，具有较强的理论价值与应用价值。